至顶网软件与服务频道消息:2019年11月19日,以“构生态·建未来”为主题的2019软件绿色联盟开发者大会于北京国家会议中心正式举办,现场超过两千名开发者共同见证了这场专属于泛终端软件行业的技术盛会。
软件绿色联盟理事长杨泽民致辞
本次大会众星云集,不仅有来自科研单位、权威机构和开发社区的专家学者,还有来自阿里巴巴、百度、华为、腾讯、网易等国内各大企业的40余位技术大咖。群策群力,共同打造解读行业未来发展趋势的主论坛,和技术干货十足四大分论坛,引领诸多开发者共同探讨前沿技术发展潮流。
中国工程院院士倪光南发表演讲
本次大会主论坛演讲嘉宾咖位十足,且观点鲜明。中国工程院院士倪光南表示“软件是推动新一代信息技术发展的驱动力”;软件绿色联盟理事长杨泽民为共建独立自主的泛终端软件系统生态而发声;CSDN董事长蒋涛表示数字化变革带来全新的交互技术,离不开开发者的创新与奋斗;开源中国CTO红薯则认为自主可控的软件生态需要软件绿色联盟这样的组织来聚集各方力量;此外,来自阿里、腾讯、百度、红杉资本的专家大咖也分别对移动设备可信基、视觉与语言结合技术、开源深度学习平台、创新创业生态等领域做出演讲,引发了诸多参会者的共鸣,技术干货与行业趋势并重的演讲让人大呼过瘾。
与第一届大会相比,本次大会不仅有大咖云集的Keynote演讲,还开设了技术性更强的《分布式多终端协同》、《人工智能技术应用及实践》、《开源与跨平台开发》、《安全性能与体验优化》四大技术专题分论坛,有超过40位来自顶级科技企业的技术专家现身说法,深度讲解这些技术背后隐藏的秘密。其中包括了分布式技术的落地应用、异构多端场景下的安全挑战、AI算法、AI多场景落地、跨平台开发、开源社区经营、手机APP优化、游戏体验优化、实时光线追踪等诸多前沿技术。同时,由于讲师天团强大的技术背景和实战经验,各个分论坛的开发者获得了一站式解决各类业务难题的机会。
除了演讲内容出众之外,本次大会还有如下诸多惊喜内容。
绿标3.0正式发布
为了进一步规范当前市场上的手机应用,软件绿色联盟理事长杨泽民在大会开始时便官宣《软件绿色联盟应用体验标准3.0》正式发布。针对当前手机应用所存在的问题,软件绿色联盟集结顶级专家学者,分别从安全、功耗、性能、稳定性、兼容性五个方面入手对应用标准进行升级。相比前两个版本,绿标3.0要求更加严格、可靠,这将为应用软件发展点亮指路明灯,也为用户体验的进一步提升打下基础。
各大成员单位对本次大会的重视程度也在不断提升。大会上,绿盟联合中国泰尔实验室共同发布了一系列创新成果,其中包括移动互联网应用IPv6网络兼容性技术要求和测试规范以及测试平台的发布,国内首份折叠屏移动智能终端白皮书发布,以及国内首份移动终端原子化服务标准的发布。
HiAI3.0发布
各大厂商也有重磅产品发布,如华为就正式对外发布了HiAI3.0版本,作为面向智能终端的人工智能平台,HiAI3.0在芯、端、云三个层面的技术实力实现了进一步开放,并全面赋能开发者,提升开发效率;网易也在大会现场详细解了其在游戏方面最新推出的实时光线追踪技术,不仅使得画面更为真实流畅,还让游戏体验得以全面提升。
本次大会最令人期待的莫过于三大奖项的颁发。经过层层角逐,51款通过《软件绿色联盟应用体验标准》的绿色应用最终获得了2019“我最喜爱的绿色应用”称号;截至目前,联盟已经成功举办了30期线下技术沙龙,超百名讲师为开发者提供了精彩的演讲,覆盖人群超过百万,因此本次大会评选出20位“年度优秀讲师”以资鼓励;台前讲师风采依依,幕后工作团队也兢兢业业,在软件绿色联盟前进的路上,诸多优秀的团队做出了卓越贡献,因此大会也选出六支团队,为其颁发最佳贡献团队奖。
随着2019软件绿色联盟开发者大会的圆满结束,泛终端软件生态如何构建的思路已经在诸多开发者的探讨中开始清晰。开放共赢,携手并进将会是未来中国软件发展的必经之路。软件绿色联盟作为中国泛终端软件领域最大的非盈利性开放组织,长期以来致力于构建绿色、健康、安全的软件生态,保障用户体验,提升开发效率。本次大会也为开发者提供了一个交流的平台,让“构生态,建未来”的理念更为深入人心,让软件开发产业的明天更加精彩,让未来更值得期待。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。